Schematic Assessment of Different Mouthrinses (Chlorhexidine, Herbal, Fluoride) on Oral Microbiota Composition: A Meta-Analysis Perspective
Notice bibliographique
Résumé
Background: The oral microbiota helps keep your mouth and body healthy, and the regular use of mouthrinses can change its makeup. The purpose of this study was to evaluate and compare the ways that chlorhexidine, herbal, and fluoride-containing mouthrinses change the makeup and variety of oral microbiota. Methods: A search was carried out on PubMed, Scopus, Web of Science, and Google Scholar for studies published between 2014 and 2024. Only studies that tested chlorhexidine, herbal, or fluoride mouthrinses on human participants by means of randomized trials or observational studies were included. Changes in microbial diversity (such as α-diversity) and the proportions of major taxa were the primary outcomes studied. The quality of the studies was assessed using both the Cochrane Risk of Bias tool and the Newcastle-Ottawa Scale. Results: Twelve studies were selected for inclusion in the review according to the criteria. The pooled SMD value was −1.32 (95% CI: −2.80 to 0.17; p = 0.083), which suggests there is no statistically significant effect of experimental mouthrinses on microbial levels. The results showed great variability (I² = 96.4%; p < 0.0001), possibly because of the variety in study design, type of mouth rinse, and methods used to assess microbiota. Sensitivity analysis found that the results were not heavily swayed by any one study. Even though six studies observed a decrease in microbes, mainly as a result of chlorhexidine. Discussion: There are differences in how mouthrinses influence oral bacteria. Although chlorhexidine can help reduce pathogenic species, it is linked to microbial dysbiosis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».